近年来研究流簇（Coflow）为单位的调度策略成为改进数据中心网络的新热点。然而现有的信息未知 流簇调度器难以快速地推理任务级信息，导致小任务不能被及时调度，以及平均任务完成时间无法最小化。 因此数据中心网络需要更加高效的推理模型提升流簇大小判断的准确性和敏感性。提出了一种基于机器学 习的流簇大小推理模型（MLcoflow），利用极限学习机（ELM）以最小训练误差为求解目标建立推理模型，并且 使用不完全信息建模以提升敏感度。实验证明与其他算法相比，ELM方法的准确性评分平均高出19.8%，敏感度 平均高出10.2%。通过仿真模拟对比了几种调度器，基于MLcoflow的调度器将平均任务完成时间降低了20.1%。 关键词：数据中心；流簇大小；流簇调度；推理模型；极限学习机（ELM）
随着互联网+政务的发展和应用，生态环境领域的业务系统和信息源节点数都呈爆炸式增长。虽然目前的大数据平台能够实现一定程度的数据融合。
随着天地空海一体化对地观测网络的完善和物联网技术的发展，具有时 空特性的数据来源不断丰富，体量不断增大。如何快速有效的实现海量时空数 据的统一组织和检索进而形成数据共享服务能力尤为关键。本文针对时空大数 据在底层数据组织管理和查询效率方面的问题，设计了一种基于时空数据的多 尺度数据组织与索引方法。首先采用一种基于空间金字塔的模糊聚类算法，利 用空间位置的连通性实现不同尺度下的数据分类，通过时空特征描述子建立不 同尺度下的数据时空关联；然后提取时空属性对已分类数据集构建一种面向时 间、空间、目标的索引模型，解决了时空数据尤其是大规模影像数据的联合检 索的效率问题。最后，引用两类常用的时空数据类型分别构建分类和索引模型， 验证了方法的可行性和通用性。实验结果表明，本文提出的方法大幅提高了时 空大数据的综合检索效率，扩展了数据共享服务模式，具有较高的应用价值。
利用大数据计算平台对大量的静态数据进行数据挖掘和智能分析助推了大数据和人工智能应用的落地。在面 临互联网、物联网产生的日益庞大的实时动态数据的处理需求时，数据流计算被逐步引入目前的一些大数据 处理平台中。针对数据流的编程模型，比较了传统软件工程的面向数据流的分析和设计方法与目前针对大数 据处理平台的数据流编程模型提供的结构定义和模型参考，分析了两者的差异和不足，总结了数据流编程模 型的主要特征和关键要素。分析了目前数据流编程的主要方式以及与主流编程工具的结合，针对大数据处理 的数据流计算业务需求，给出了可视化数据流编程工具的基本框架和编程模式。
大数据处理系统是未来社会的基础设施之一。政府治理场景下的大数据处理任务具有多域异构、多主体等特 点，因此需要针对性地进行研究设计。从应用需求出发，分析各类政府治理场景对大数据处理技术提出的挑 战，梳理大数据分布并行处理的关键技术，包括数据存储管理、计算平台、关键算法等，调研总结相关技术的 研究现状，并提出面向政府治理大数据的高性能计算系统的技术框架，分析讨论不同技术路线的优劣。最后 展望相关技术的未来发展趋势。
技术多元线性回归，在 Tall 数组框架的基础上，建立了优化后的压力井产能预测模型；将该模型运用于 压裂井产能预测，并开展了预测模型的准确度分析，通过预测模型的准确性分析后证明模型具有较强的准确性，预测结果与实际结果的相对误差小于 5%。同时研究表明，利用 matlab 大数据技术能准确预测油田 压裂井产能，且实现过程较简单，实用，突破了预测模型的传统模式，易于现场应用，该建模方法也可推 广应用于其他油田进行产能分析。
政府大数据治理成为政府关心的一个重要议题。采用文献调研等方法，对当前主要的国家政府大数据实践进行 了分析，认为政府大数据应用仍处于早期阶段。对政府大数据治理的概念进行了溯源，认为政府大数据治理一 方面继承了公共和行政管理领域的治理理论和行政管理手段，另一方面也借鉴了公司治理中IT治理、数据治理 和大数据治理的框架和方法。对政府大数据治理的概念、特征进行了阐释，提出了政府大数据治理的新挑战、 新目标和新机制，最后指出大数据治理是政府管理的新形态。
随着大数据应用和传统高性能计算应用的融合以及异构计算的引入，传统面向高性能计算的并行存储系统 面临着异构计算I/O支持差、性能干扰和效率低等问题。通过在系统架构引入多层次存储架构、设计缓存映射 机制来减轻I/O负载。在转发服务层，调整I/O转发策略，均衡I/O负载。在后端存储层，对系统高可用功能进行 调整，解决大数据I/O访问模式与原有高可用措施的冲突。经过优化设计和完善后的并行存储系统更好地适应 了异构众核架构，使得某些应用获得了10倍以上的I/O性能提升。
没有账户，需要注册
国内重点工业物联网平台四类厂商分类及选型指南
工业物联网平台发展重点： 一是行业深耕化，从通用型平台向“一米宽、百米深”的行业垂直平台转型，聚焦能源、交通、化工等领域的特定需求，沉淀场景化解决方案与行业Know-how，而非追求“大而全”的覆盖能力。 二是智能融合化，工业大模型与平台深度结合，实现工业知识的智能化重构、应用开发的低代码化升级，以及生产运营的自感知、自决策、自优化闭环管控，AI成为提质增效的核心变量。 三是生态协同化，平台不再是单一技术载体，而是串联产业链上下游的协同中枢，通过跨系统数据融合、产学研用金深度合作，形成“数据-算力-应用”的生态闭环，赋能供应链协同与产业集群升级。 四是部署灵活化，采用“平台化产品+私有化部署”结合的模式，兼顾中小企业轻量化需求与大型集团定制化诉求，支持公有云、私有云、边缘端的混合部署，平衡成本与安全性。
当前，世界百年变局加速演进，新一轮科技革命和产业变革？深入发展，低空经济作为新质生产力的重要组成部分，正以前瞻？性、引领性姿态加速崛起，成为推动经济结构优化升级、塑造高？质量发展新动能的关键领域。
首先从华为的视角总结了企业对于数字化转型的应有的共识，以及从战略角度阐述了华为为何推行数字化转型，然后给出了华为数字化转型的整体框架(方法论)，以及企业数字化转型成熟度评估的方法，帮助读者在厘清华为开展数字化转型工作的整体脉络的同时，能快速对自身的数字化水平进行自检，
智算中心液冷技术概述智算中心液冷技术概述智算中心液冷技术概述智算中心液冷技术概述智算中心液冷技术概述智算中心液冷技术概述智算中心液冷技术概述
基于电碳量化关系的低碳园区建设方案基于电碳量化关系的低碳园区建设方案基于电碳量化关系的低碳园区建设方案基于电碳量化关系的低碳园区建设方案基于电碳量化关系的低碳园区建设方案
绿盟科技集团股份有限公司(以下简称绿盟科技)，成立于2000年4月，总部位于北京。公司于2014年1月 29日在深圳证券交易所创业板上市,证券代码:300369。绿盟科技在国内设有50 余个分支机构,为政府、金融、运营商、能源、交通、科教文卫等行业用户与各类型企业用户,提供全线网络安全产品、全方位安全解决方案和体系化安全运营服务。公司在美国硅谷、日本东京、英国伦敦、新加坡及巴西圣保罗设立海外子公司和办事处,深入开展全球业务，打造全球网络安全行业的中国品牌。
2025年中央经济工作会议指出，我国经济基础稳、优势多、韧性强、潜能大，长期向好的支撑条件和基本趋势没有变，经济发展前景十分光明。面对全球经济格局。深度调整，国内居民财富持续积累与资产配置需求日趋多元化，中国财富管理市场机遇与挑战并存。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
